基于机器学习的武汉城市圈土地生态安全格局识别与优化策略

黄烈佳，杨 鹏

(湖北大学商学院，湖北 武汉 430062)

在中国生态文明建设的关键时期，保障国家、区域生态安全是推进生态文明建设的重要环节。城市土地生态安全作为国家、区域生态安全的重要基础性组成部分，它不仅关系到城市土地资源可持续利用，还关系到城市经济与社会可持续发展。1978年以来，中国经济高速发展，城市化快速推进的同时，一些城市出现了过度集约利用土地，导致城市人口密度过大、交通堵塞和环境污染等问题，这些问题直接威胁到中国城市可持续发展[1]。在此背景下，土地生态安全问题受到学术界广泛关注。

作为一个全新概念，土地生态安全来源于生态安全，它指土地生态系统能长期维持一个健康、平衡的状态，并能保障人类社会生产与生活的可持续性[2-3]。如何认识与评价城市土地生态安全？国内研究主要从自然因素、经济因素、社会因素3个维度构建城市土地生态安全评价体系，利用熵权法[4]、三角模型[5]、灰色关联投影模型[6]、模糊数学理论[7]和物元模型[8]等评价模型和方法进行评价研究。研究区域主要集中在京津冀地区及部分省市，如彭文英[9]和张磊等[10]分别基于比较压力指数模型和空间加权综合分析对京津冀地区土地生态安全状况进行评估；陈慧等[11]从粮食安全、土地经济、土地生态3个角度运用SD动态仿真模拟对南京市土地生态安全状况进行评价。近年来，国外直接对城市土地生态安全的研究较少，相关研究主要集中在土地利用类型转变后的生态影响，如DRESCHER等[12]通过对印度尼西亚热带雨林的监控，发现土地利用类型转变会导致生物多样性与生态功能损失；GALBRAITH等[13]通过对哥斯达黎加养蜂产业的研究，发现土地覆盖和土地利用类型改变是土地生态服务功能损失的重要原因。综上，学术界对城市土地生态安全进行了大量探讨，并且取得了丰硕的研究成果。但在处理自然、经济、社会等多因素相互作用的复杂系统时，上述多指标综合评价法难以确定和处理不同系统间的非线性复杂关系[14-15]。而机器学习方法在处理非线性复杂关系时有其独特优越性，其中BP神经网络模型作为成熟的有监督机器学习算法，广泛运用于包括土地生态安全评价在内的地理事物相关评价。城市群(圈)作为高度同城化与一体化的城市群体，在全球竞争和区域合作中占据越来越重要地位，但人口与工业的高度集聚，特别是工业废水和固体废弃物的大量排放，给土地生态系统造成严重污染[16]。

武汉城市圈是中部崛起的重要战略支点，同时也是长江中游城市群最重要的增长极，但目前关于武汉城市圈土地生态安全的研究较少。基于此，在生态文明建设及中部崛起战略实施的背景下，以武汉城市圈为例，基于Keras机器学习算法，运用BP神经网络模型对武汉城市圈土地生态安全进行评价，并利用ArcGIS软件对评价结果进行空间分析，对土地生态安全格局进行识别，探讨城市圈空间差异及优化策略，为武汉城市圈生态环境改善和城市土地高效可持续利用提供理论与实践借鉴。

1 研究方法

1.1 研究区概况

武汉城市圈位于湖北省东部、长江中游地区，土地总面积5.78万km2，是以武汉市为中心，由黄石、鄂州、黄冈、孝感、咸宁、仙桃、潜江、天门8个大中型城市所组成的区域经济联合体。它不仅是湖北省经济发展的核心区域，也是中部崛起的重要战略支点。然而人口与经济的高度聚集给研究区土地生态安全系统造成巨大压力，至2017年末，武汉城市圈面积占湖北省面积的31%，但人口占53%，GDP占66%，人口、经济与土地资源的矛盾日益突出，土地生态系统服务功能逐渐弱化。

1.2 城市土地生态安全评价模型及方法

1.2.1评价指标体系

城市土地生态系统具有明显的经济、社会和自然特性，它是一种包括地理环境、人类经济活动、社会活动在内的相互影响与反馈的复合系统[17-18]。因此，城市土地生态安全评价要从经济、社会、自然因素综合考虑。在借鉴已有成果[19-21]基础上，研究遵循层次性、全面性、数据可得性原则，从土地自然生态安全、土地经济生态安全和土地社会生态安全3个维度选取评价指标。评价指标分为效益型和成本型指标，效益型指标(正向)值越大越好，成本型指标(负向)值越小越好，构建了包含目标层、系统层、指标层的城市土地生态安全评价指标体系(表1)。其中，土地自然生态安全指城市土地资源利用和生态保护状况，主要涉及耕地、森林和绿化覆盖以及环境治理状况，因此选择人均耕地、耕地面积比例、建成区绿地覆盖率、森林覆盖率、工农业废水排放总量和工业废弃物综合处置利用率作为评价指标。土地经济生态安全指城市土地经济产出的高效性、经济结构的合理性、经济发展的可持续性，因此选择人均GDP、农村居民可支配收入、第三产业占GDP比例、地均GDP、万元GDP耗能和公路货运总量作为评价指标。土地社会生态安全指城市土地的社会承载力，主要涉及人口、就业、居住等方面，因此选择人口密度、人口自然增长率、就业率、城市化水平、人均居住面积和人均水资源状况作为评价指标。

表1 城市土地生态安全评价体系

1.2.2BP神经网络

BP神经网络是人工神经网络(ANN)中运用最广泛的神经网络，是一种有监督的机器学习过程，其学习规则是误差矫正算法，即根据神经网络输出误差与神经元连接强度(权值)进行修正[22]，其权值调整采用反向传播(back propagation)算法。标准的BP神经网络由输入层、隐含层(可有多层，根据模型复杂程度确定)和输出层3个部分组成。以3层神经网络为例，描述标准BP算法，其网络结构包括输入层、隐含层(只有1层)和输出层(图1)。BP算法的学习过程由信号正向传播和误差逆向传播2个过程组成。当给定一组输入信号时，BP神经网络处理过程如下：

(1)输入信号：输入信号由输入层进入，传输到隐含层，经过隐含层单元处理后，信号通过激活函数得到输出层信号。

(2)信号正向传播：输入信号经隐含层处理后传向输出层。如果输出层节点未能得到期望输出(即误差大于设定误差)，则转向步骤3。

(3)误差逆向传播：将输出误差按某种形式，由输出层依次向隐含层和输入层返回，并根据误差信号修改各单元权值(Wij和Wjk)。

图1 BP神经网络结构示意

(4)训练过程：不断进行上述信号正向传播和误差逆向修改过程，直至神经网络误差逐渐减小到设定误差或达到既定学习次数，训练结束，得到最终训练好的模型。

2 武汉城市圈土地生态安全评价过程

2.1 数据来源及标准化处理

数据来源于2010和2017年《湖北省统计年鉴》《中国城市统计年鉴》《环境状况公报》，部分数据根据以上资料整理取得。由于不同评价指标具有不同计量单位，为了消除量纲影响，需要对数据进行标准化处理，同时由于BP神经网络对极端值较为敏感，因此将数据映射到[0.1，0.9]之间，具体转换公式为

(1)

(2)

式(1)～(2)中，Xi*为标准化后数据；Xi为标准化前数据；Xmin为样本最小值；Xmax为样本最大值。

2.2 学习样本的选择

土地生态安全水平(R)与评价指标(Xi)之间存在某种非线性关系，R=F(Xi)。BP神经网络通过监督学习，得到这种非线性关系。在运用BP神经网络模型评价过程中，学习样本的选择是最重要步骤。只有选择科学合理的学习样本，才能使神经网络模型准确学习到土地生态安全水平与各评价指标间的非线性关系。在利用BP神经网络模型进行城市生态评价的研究[23]中，通常将国家制定的环境质量标准选作训练样本。综合考虑《生态县、生态市、生态省建设指标(修订稿)》(环发〔2007〕195号)和住房城乡建设部制定的《国家园林城市系列标准》，以武汉城市圈最低值和最高值为边界，将土地生态安全水平分为5个等级(表2)。同时，根据评价指标体系的自然、经济、社会子系统域值范围的最小值、第1四分位数、第2四分位数、第3四分位数、最大值和土地生态安全等级分级标准，得到5组学习样本(表3)。

表2 土地生态安全等级标准

表3 学习样本(部分)

神经网络模型需要足够多的样本，才能得到足够多的信息，使得模型能够迅速收敛。为此，在已取得的5组学习样本的基础上，按照原有学习样本的内在关系，利用Python软件中interpolate模块进行线性插值，将学习样本扩大至40个。

2.3 评价模型网络结构的确立

2.4 Keras框架中参数的确定

利用python 3.6软件搭建Keras机器学习框架，完成对神经网络的训练和土地生态安全水平的评价过程，Keras中BP神经网络参数配置如下：

(1)激活函数的选取。激活函数选择Rula函数，其具有计算简单、效果更佳的特点。

(2)目标函数(损失函数)的选取。BP神经网络的训练过程就是将损失函数最小化的过程，损失函数越小，BP神经网络精度就越高。目标函数选择mean_squared_error函数，即均方差最小。

(3)优化器的选择。优化器的作用是选择优化算法，目的是最小化损失函数，常见的梯度下降算法及其改进形式——随机梯度下降算法(SGD)存在收敛速度慢、效率低等问题。因此优化器采取Adam算法[24]，其效果最好，运用范围最广。Adam算法学习率设置为0.01，其他参数为默认设置。

(4)训练次数(epoch)和批次大小(batch_size)的选择。为避免过拟合问题造成模型无法泛化和精度过低等问题，训练次数选择1 000次，并在keras框架中采取小批的梯度下降。根据评价模型实际情况，批次大小选择为6，即6个样本为1个批次。

3 武汉城市圈土地生态安全水平评价结果

3.1 武汉城市圈土地生态安全水平发展趋势分析

在Keras框架中设置好模型结构和参数，导入学习样本对BP神经网络进行训练，得到训练好的模型后，导入标准化的武汉城市圈土地生态安全评价指标数据，得到评价结果(表4)。

由表4可知，2010年武汉城市圈土地自然、经济和社会生态安全水平分别为0.59、0.42和0.49，土地自然生态安全水平接近较安全状态，远远领先于土地经济和社会生态安全水平，这是因为研究区人均耕地与森林绿化覆盖状况处于一个较高水平，而土地经济产出效率和社会承载力亟待提高。2017年武汉城市圈土地自然、经济和社会生态安全水平分别为0.51、0.50和0.51，均处于临界安全状态，这是因为研究区耕地和森林绿化覆盖状况处于中低水平，而土地经济产出效率和社会承载力均有不同程度提高。

从发展过程来看，2010—2017年武汉城市圈土地生态安全水平均值由0.51降至0.50，均处于临界安全状态，呈现小幅下降趋势。其中土地自然生态安全水平均值由0.59降至0.51，下降幅度较大；土地经济生态安全水平均值由0.42升至0.50，呈现大幅上涨趋势；土地社会安全水平均值由0.49升至0.51，呈现小幅上涨趋势，但各市变化差异较大。

表4 2010和2017年武汉城市圈土地生态安全评价结果

3.2 武汉城市圈土地生态安全水平空间格局分析

3.2.1土地自然生态安全水平空间格局

2010年武汉城市圈土地自然生态安全水平以武汉市为界，呈现西高东低的特征，西部孝感、咸宁、仙桃、潜江和天门5市处于较安全和安全状态，中部武汉市处于较不安全状态，东部黄石、鄂州和黄冈3市处于临界安全状态〔图2(a)〕。就2017年土地自然生态安全水平而言西部天门和潜江处于较安全状态，武汉和黄石市处于较不安全状态，其他地区均处于临界安全和较安全状态〔图2(b)〕。2010—2017年武汉城市圈土地自然生态安全水平呈下降趋势，但下降幅度存在差异：武汉、鄂州和潜江土地自然生态安全水平有所下降，但安全等级没有改变；黄石、天门、孝感、咸宁和仙桃下降幅度较大，均下降1个安全等级，降幅较大区域主要集中在武汉城市圈西部和南部。综上可见，2010—2017年武汉城市圈土地自然生态安全状况趋于恶化，土地自然生态安全系统所受压力逐渐增大，其主要原因为人均耕地、耕地面积比例和森林覆盖率持续下降，而工农业废水和废弃物排放总量持续上升。

3.2.2土地经济生态安全水平空间格局

2010年武汉城市圈土地经济生态安全程度总体处于中低水平，除武汉市处于安全状态外，其他8市均处于临界安全或不安全状态〔图2(c)〕。2017年土地经济生态安全总体水平有较大提高。武汉、潜江、仙桃和鄂州处于安全和较安全状态，咸宁和黄石处于临界安全状态，天门、孝感和黄冈处于较不安全和不安全状态。除黄冈和黄石小幅下降之外，2017年各市土地经济生态安全水平均有不同程度上升，其中潜江、仙桃、鄂州和咸宁上升1个安全等级〔图2(d)〕。可见，2010—2017年武汉城市圈土地经济生态安全状况逐渐好转，其主要原因为人均GDP和地均GDP持续上涨，同时产业转型升级使第三产业占比持续增长，工、农业生产效率提高(万元GDP耗能下降)，人均收入持续增加。

3.2.3土地社会生态安全水平空间格局

2010年武汉城市圈土地社会生态安全程度总体处于中低水平，西北部和南部处于临界安全状态，中部处于较安全状态，东北部处于较不安全状态〔图2(e)〕。2017年各市土地社会生态安全水平变化较大。武汉和潜江安全水平上升1个安全等级，仙桃和孝感下降1个安全等级，咸宁下降2个安全等级〔图2(f)〕。土地社会生态安全系统的影响因素较多，包括人口、就业、城市化、社会保障和资源供给等诸多方面。同时，武汉城市圈各市变化差异较大。

图2 武汉城市圈土地生态安全水平空间分异

3.2.4土地生态安全综合水平空间格局

2010年武汉城市圈土地生态安全综合水平处于中低水平，除黄冈市处于较不安全状态外，其他8市均处于临界安全状态〔图2(g)〕。2010—2017年武汉城市圈土地生态安全等级变化不大，除潜江上升1个安全等级外，其他城市安全等级没有变化〔图2(h)〕。总的来看，武汉城市圈土地生态安全综合水平整体小幅下降，自然子系统明显下降，经济子系统明显上升，社会子系统小幅上涨，但总体情况不容乐观，大部分地区处于临界安全状态。

4 结论与优化策略

4.1 结论

为明晰2010—2017年武汉城市圈土地生态安全发展时空格局，基于安全水平评价体系，在机器学习框架Keras中利用BP神经网络对武汉城市圈土地生态安全水平进行评价，并利用ArcGIS软件将评价结果的点数据转换成面数据，直观揭示武汉城市圈土地生态安全的发展态势，研究结论如下：

(1)时间上，2010—2017年武汉城市圈土地生态安全水平由0.51降至0.50，呈现小幅下降趋势，长期处于临界安全状态。其中，土地自然生态安全水平均值由0.59降至0.51，下降幅度较大；土地经济生态安全水平均值由0.42升至0.50，呈现大幅上升趋势，土地社会安全水平均值由0.49升至0.51，呈现小幅上升趋势，但各市变化差异较大。

(2)空间上，武汉城市圈土地生态安全格局存在明显差异。其中，土地自然生态安全状况不断恶化，降幅较大区域主要集中在武汉城市圈西部和南部，包括黄石、天门、孝感、咸宁和仙桃；土地经济生态安全状况持续改善，除黄冈和黄石小幅下降之外，其他城市均呈上升趋势，其中潜江、仙桃、鄂州和咸宁涨幅较大；土地社会生态安全水平增减变化差异较大，其中武汉和潜江上升1个安全等级，仙桃和孝感下降1个安全等级，咸宁下降2个安全等级。

(3)土地自然生态安全状况恶化的主要原因为人均耕地、耕地面积比例和森林覆盖率持续下降，工农业废水与废弃物排放总量持续上升；土地经济生态安全持续改善的主要原因为工、农业生产效率提高，促进居民收入的提高，同时第三产业占比持续上升；土地社会生态安全系统的影响因素较多，包括人口、就业、城市化、社会保障和资源供给等。

4.2 优化策略

(1)建立区域土地生态安全动态预警机制。土地生态安全状况是一个动态过程，随着区域自然、经济和社会的不断变化，要针对土地资源生态安全状况，及时做出风险评估，制定不同的安全等级处理标准，及时有效处理土地生态安全问题。2010—2017年武汉城市圈大部分地区处于临界安全状态，土地生态安全状况不容乐观。为此，建议针对武汉城市圈实际情况，实时完善土地生态安全评价与预警系统，构建区域土地自然、经济和社会生态安全动态预警机制，实时掌握土地生态安全状态。

(2)构建差异化的土地生态保护政策体系。针对武汉城市圈土地生态安全长期处于临界安全状态，以及明显的空间差异性，制定差异化的土地自然生态安全保护及改善政策，尤其需要加强对西部与南部城市保护力度，确保土地经济生态安全持续稳定发展。均衡各区域土地社会生态安全水平，对安全水平上升的地区采取激励措施，鼓励平稳发展地区，努力发展下降较快的地区，兼顾短期的下滑与长期的稳定发展。

(3)明确土地生态安全变化缘由，制定相应的土地自然、经济与社会生态措施。在土地自然生态方面，科学制定武汉城市圈土地用途规划，优化土地利用结构，提高土地利用效率，确保人均耕地、耕地面积比例和森林覆盖率在适当范围变化，防止其进一步快速下降，降低工农业废水和废弃物排放的同时，提高废弃物处理技术。在土地经济生态方面，继续提高工、农业生产效率，增加居民收入，优化产业结构。在土地社会生态方面，完善人口、就业、资源供需和社会保障政策体系，提高土地社会生态系统保障能力。具体而言，可以充分发挥武汉市作为先进制造业、高技术产业和现代服务业基地的作用，带动城市圈其他城市的经济发展；利用好黄石、鄂州毗邻武汉的区位优势，重点发展冶金、能源和建材为主的原材料生产产业；利用好孝感、仙桃、潜江、天门和咸宁优良的水土条件，重点建成优势粮、棉、油等生产及加工基地；同时，加强江汉生态经济带和鄂西生态文化旅游圈建设，保护良好的土地生态环境。